遺伝子アルゴリズムベースの重み付けマルチスペクティブ記述子と自己正常化された深層ネットワークを使用して抗ウイルスペプチドの予測を加速する
Shahid Akbar1,2, Ali Raza3,4,5, Quan Zou1,6
1Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology of China, Chengdu 610054, China.
Journal of chemical information and modeling
|September 3, 2025
まとめ
この研究は,抗ウイルスペプチド (AVP) を正確に予測するための新しいディープラーニングモデルであるTargetAVP-DeepCapsを紹介しています. このモデルは97.36%の精度を達成し,ペプチドベースの抗ウイルス薬の発見を大幅に進めている.
科学分野:
- コンピュータ生物学
- バイオ情報学
- 薬物の発見
背景:
- ウイルス性疾患は 既存の抗ウイルス薬にもかかわらず 世界的に大きな健康問題となっています
- 抗ウイルスペプチド (AVP) は新しい治療薬として有望である.
- AVPを特定するための従来の方法は非効率で 深いシーケンス洞察が欠けている.
研究 の 目的:
- 抗ウイルスペプチド (AVP) を予測するための正確で効率的な計算モデルを開発する.
- AVPを識別する従来の労働集約的で高価な方法の限界を克服する.
- 抗ウイルス薬の開発におけるペプチドメカニズムを理解する.
主な方法:
- 背景ペプチド埋め込みとシーケンスから画像への変換 (SMR,RECM) のためにProtGPT2を使用した.
- 特徴ベクトルの形成のための局所的な画像分解と微分進化に適用されたCLBP.
- 最適な特徴の選択のためにハイブリッド MRMD + SFLA アプローチを使用しました.
- 予測のための新しい自己正常化カプセルネットワーク (Sn-CapsNet) を開発した.
主要な成果:
- AVPの 97.36% の優れた予測精度を達成しました.
- AUCは0. 98で,既存の予測値を約12%上回った.
- 独立したデータセットで堅実な一般化が示され,以前のモデルに比べて8%の改善が示されました.
結論:
- TargetAVP-DeepCapsモデルは,AVPを予測するための非常に正確で効率的なツールを提供します.
- この計算によるアプローチは ペプチドベースの抗ウイルス薬の発見と開発を加速します
- ペプチドメカニズムと薬剤発見におけるその応用を理解するための貴重なリソースを提供します.
さらに関連する動画
06:50Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions
Published on: January 26, 2024
2.0K
08:04Identification and Classification of Position-specific GABAA Receptor Subunit Missense Variants for Their Role In Hippocampal Pyramidal Neurons
Published on: June 6, 2025
492
